MétaCan
Menu
← Retour à la cohorte
Enregistrement W7001999276

Liver disease is a significant risk factor for cardiovascular outcomes - a UK Biobank study Article Type: Original Article Journal of Hepatology

2023· article· en· W7001999276 sur OpenAlexfundno aff

Notice bibliographique

RevueQueen Mary Research Online (Queen Mary University of London) · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueCultural Insights and Digital Impacts
Établissements canadiensnon disponible
Organismes subventionnairesNIHR Oxford Biomedical Research CentreCircle Cardiovascular ImagingEuropean Association of Cardiovascular ImagingServierUniversity of Cape TownBritish Heart FoundationNovo NordiskEuropean Society of CardiologyNational Institute for Health and Care Research
Mots-clésBiobankHepatologyRisk factorReview articleLiver diseaseDisease
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

BACKGROUND & AIMS: Chronic liver disease (CLD) is associated with increased cardiovascular disease (CVD) risk. We investigated whether early signs of liver disease (measured by iron-corrected T1-mapping [cT1]) were associated with an increased risk of major CVD events. METHODS: Liver disease activity (cT1) and fat (proton density fat fraction [PDFF]) were measured using LiverMultiScan® between January 2016 and February 2020 in the UK Biobank imaging sub-study. Using multivariable Cox regression, we explored associations between liver cT1 (MRI) and primary CVD (coronary artery disease, atrial fibrillation [AF], embolism/vascular events, heart failure [HF] and stroke), and CVD hospitalisation and all-cause mortality. Liver blood biomarkers, general metabolism biomarkers, and demographics were also included. Subgroup analysis was conducted in those without metabolic syndrome (defined as at least three of: a large waist, high triglycerides, low high-density lipoprotein cholesterol, increased systolic blood pressure, or elevated haemoglobin A1c). RESULTS: , mean haemoglobin A1c 35 mmol/mol) had complete MRI liver data with linked clinical outcomes (median time to major CVD event onset: 1.4 years [range: 0.002-5.1]; follow-up: 2.5 years [range: 1.1-5.2]). Liver disease activity (cT1), but not liver fat (PDFF), was associated with higher risk of any major CVD event (hazard ratio 1.14; 95% CI 1.03-1.26; p = 0.008), AF (1.30; 1.12-1.51; p <0.001); HF (1.30; 1.09-1.56; p= 0.004); CVD hospitalisation (1.27; 1.18-1.37; p <0.001) and all-cause mortality (1.19; 1.02-1.38; p = 0.026). FIB-4 index was associated with HF (1.06; 1.01-1.10; p = 0.007). Risk of CVD hospitalisation was independently associated with cT1 in individuals without metabolic syndrome (1.26; 1.13-1.4; p <0.001). CONCLUSION: Liver disease activity, by cT1, was independently associated with a higher risk of incident CVD and all-cause mortality, independent of pre-existing metabolic syndrome, liver fibrosis or fat. IMPACT AND IMPLICATIONS: Chronic liver disease (CLD) is associated with a twofold greater incidence of cardiovascular disease. Our work shows that early liver disease on iron-corrected T1 mapping was associated with a higher risk of major cardiovascular disease (14%), cardiovascular disease hospitalisation (27%) and all-cause mortality (19%). These findings highlight the prognostic relevance of a comprehensive evaluation of liver health in populations at risk of CVD and/or CLD, even in the absence of clinical manifestations or metabolic syndrome, when there is an opportunity to modify/address risk factors and prevent disease progression. As such, they are relevant to patients, carers, clinicians, and policymakers.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,167
Tête enseignante GPT0,347
Écart entre enseignants0,180 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueQueen Mary Research Online (Queen Mary University of London)→Même sujetCultural Insights and Digital Impacts→Travaux en français237 207→